opencv合成全景图是“sift = cv2.xfeatures2d_SIFT().create()”出错的解决方法

Python合成全景图,所用到的库如numpy,matplotlib,PIL都是下载扩展包(主要是C盘内存不够了,扩展包地址但最主要的opencv无法下载,因为代码中“sift = cv2.xfeatures2d_SIFT().create()”总是出错,错误如下:“cv2.error: OpenCV(4.0.1) D:\Build\OpenCV\opencv_contrib-4.0.1\modules\xfeatures2d\src\sift.cpp:1207: error: (-213:The function/feature is not implemented) This algorithm is patented and is excluded in this configuration; Set OPENCV_ENABLE_NONFREE CMake option and rebuild the library in function ‘cv::xfeatures2d::SIFT::create’”详细请参考最后我是在这解决的

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这个警告和运行时的错误是由不同的问题引起的。首先,警告是由于OpenCV库中的SIFT算法已经被移动到主存储库中,因此推荐使用`cv2.SIFT_create()`代替`cv2.xfeatures2d.SIFT_create()`。如果你使用的是OpenCV 4.4及以上版本,则可以直接使用`cv2.SIFT_create()`来避免这个警告。 至于运行时的错误,它可能是由于优化算法中的数值溢出引起的。您可以尝试使用其他优化算法来解决这个问题,例如BFGS或L-BFGS-B。示例代码如下所示: ```python import cv2 import numpy as np from scipy.optimize import minimize # 读入全景像 image1 = cv2.imread('image1.jpg') image2 = cv2.imread('image2.jpg') # 将像转换为灰度像 gray1 = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY) gray2 = cv2.cvtColor(image2, cv2.COLOR_BGR2GRAY) # 创建SIFT对象 sift = cv2.SIFT_create() # 检测关键点和描述符 kp1, des1 = sift.detectAndCompute(gray1, None) kp2, des2 = sift.detectAndCompute(gray2, None) # 使用FLANN算法进行特征匹配 FLANN_INDEX_KDTREE = 0 index_params = dict(algorithm=FLANN_INDEX_KDTREE, trees=5) search_params = dict(checks=50) flann = cv2.FlannBasedMatcher(index_params, search_params) matches = flann.knnMatch(des1, des2, k=2) # 选择最佳匹配点 good_matches = [] for m, n in matches: if m.distance < 0.7 * n.distance: good_matches.append(m) # 获取匹配点的坐标 points1 = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2) points2 = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2) # 定义损失函数 def loss_function(params): H = np.array(params).reshape((3, 3)) transformed = cv2.warpPerspective(image2, H, (image1.shape[1], image1.shape[0])) residual = np.sum(np.abs(transformed - image1)) return residual # 初始参数 initial_params = np.zeros(9) # 优化 res = minimize(loss_function, initial_params, method='L-BFGS-B') # 计算单应矩阵 H = np.array(res.x).reshape((3, 3)) # 计算拼接后的像 result = cv2.warpPerspective(image2, H, (image1.shape[1], image1.shape[0])) result[0:image1.shape[0], 0:image1.shape[1]] = image1 # 显示结果 cv2.imshow('Result', result) cv2.waitKey(0) ``` 如果仍然遇到数值溢出的问题,可以尝试对输入像进行调整,例如将像的大小降低一些。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值